当“十五五”规划将“人工智能+”行动推向纵深，一个关键问题浮出水面：城市究竟需要什么样的AI基础设施？是不断扩容的GPU集群，还是一种全新的、可规模化复制的生产系统？

　　4月15日，第二届酒仙桥人工智能产业高峰论坛上，北电数智发布的“星火·AI云2.0”与《中国城市人工智能指数报告》，给出了一个清晰的答案——AI Infra正在从碎片化的硬件堆叠，转向以系统工程思维构建的“生产力系统”。这场变革不仅关乎技术栈的重构，更直接决定了城市能否走出“千城一面”的AI竞赛，实现差异化高质量发展。

　　作为长期跟踪AI基础设施的记者，我在论坛现场感受到一个强烈信号：数据、算力、模型、应用的四层割裂，正在被一套新的“操作系统级”架构所弥合。 而城市，正是这场变革的试验场与最终受益者。

　　新标尺：城市AI指数背后的“数据治理”深意

　　论坛首日发布的《2025年中国城市人工智能指数报告》，表面上是一份城市排名与评价体系，但其底层逻辑恰恰触及了AI Infra中最为棘手的一环——数据就绪。

　　报告构建了“产业发展、科技创新、民生服务、治理环境”四大维度，并揭示中国城市AI已形成“引领型、活力型、潜力型”三级梯度。但更值得关注的是课题组提炼的共性问题：应用转化不足、规模优势转化不畅、协同能力分化。这些问题的核心病因，并非算力短缺，而是数据孤岛、质量参差、流通受阻。

　　清华大学公共管理学院副院长高宇宁在解读时特别指出：“报告的目标不仅是刻画差异，更是帮助每个城市识别自身在数据治理、场景开放、制度协同上的短板。”例如，苏州、合肥等标杆城市的实践经验表明，那些率先开放高价值场景、建设城市级AI公共服务平台的地方，往往能更快实现从“技术供给”到“民生普惠”的跃迁。

　　从AI Infra视角看，这份指数实际上是一张“数据成熟度地图”。它提醒各地政府：在盲目扩建智算中心之前，先回答数据是否已“AI就绪”——即能否支撑多模态处理、实时检索、高质量语料加工。没有数据层的系统性治理，算力越大，浪费越多。

　　新基座：星火·AI云2.0如何重构AI Infra的“数据-算力-模型”闭环

　　如果说城市指数指明了方向，那么“星火·AI云2.0”就是北电数智给出的工程答案。这款被定义为“AI生产系统”的产品，彻底跳出了传统公有云或智算云的定位——它不再只卖IaaS/PaaS资源，而是将“数算模用”全栈能力封装为工业化生产系统。

　　其核心架构是双操作系统：前进·AIOS负责算力供给、调度与治理；新天·AgentOS则专为智能体全生命周期管理而设计，支撑从开发到执行的闭环。这一设计精准击中了当前AI Infra的痛点——数据与业务场景之间的断层。

　　在数据层，星火·AI云2.0的突破体现在三个层面：

　　工程化数据流通：通过内置的数据沙箱与隐私计算模块，解决数据安全与流通的工程瓶颈，让城市内部不同委办局、不同企业的数据能够在不暴露原始数据的前提下协同训练。

　　RAG原生支持：新天·AgentOS为检索增强生成提供了系统级优化，将向量数据库、提示词工程、上下文工程融为一体，大幅降低模型幻觉，使AI真正“懂业务”。

　　可观测性与可追溯性：谢东在演讲中强调，“我们提供的不仅是智能，更是可理解的决策、可追溯的结果”。这意味着星火·AI云2.0在数据血缘、模型推理链上内置了审计能力——这正是政务、医疗等民生场景严格要求的“数据治理”标配。

　　值得注意的细节是，北电数智已在全国规划数十个AI底座，形成超万P的云边端协同计算网络。这种分布式架构天然要求数据在边缘与中心之间高效流动，而星火·AI云2.0的双OS设计，恰恰为跨域数据联邦学习和实时推理提供了统一调度层。

　　新范式：“一底座、两突围”如何破解产城融合的“数据悖论”

　　最令我感兴趣的，是北电数智提出的“一底座、两突围”产城发展范式。这一范式直击地方政府的现实矛盾：一方面需要AI拉动传统产业升级与民生改善，另一方面又面临数据基础薄弱、场景分散、投入产出周期长的困境。

　　“一底座”即城市级AI共性能力底座，由星火·AI云2.0承载，整合算力、数据、模型，成为区域的智能中枢。“两突围”则分别指向传统产业促增长（文旅、消费、工业）和公共服务保民生（医疗、政务、教育）。

　　这一范式的精妙之处在于，它并非从零建设数据基础设施，而是通过在地化运营，逐步将城市已有的政务数据、产业数据、物联网数据接入底座，再以标杆场景反哺数据质量的提升。例如，在北京朝阳CBD转型“数据商务区DBD”项目中，星火·AI云2.0帮助楼宇经济、消费轨迹、交通流等异构数据实现“AI就绪”，进而孵化出精准招商、能耗优化等智能应用。

　　从AI Infra的专业视角看，“两突围”的成功依赖于一个关键能力：低门槛的数据加工与特征工程。记者了解到，星火·AI云2.0内置了语料加工厂工具链，支持非结构化数据的自动清洗、标注、版本管理，并可与RAG管道无缝衔接。这意味着，即使一个缺乏数据科学家的三四线城市，也能基于底座快速构建本地化的知识库和智能问答系统。

　　当然，挑战依然存在。论坛圆桌环节，多位专家指出：当前许多城市仍在重复“重硬件轻运营”的老路，数据治理机制、跨部门协同标准、长效运营预算等软性环节严重滞后。“数据AI就绪”不只是一个技术命题，更是一个制度命题。 北电数智的“AI中国行”计划试图通过产学研专家团下沉，帮助地方从规划层面解决这些“人的问题”和“流程的问题”。

　　AI Infra的下一站是“城市数据操作系统”

　　酒仙桥论坛释放了一个明确的产业信号：当大模型竞争进入深水区，壁垒不再仅仅来自参数量或算力规模，而是来自将数据转化为生产力的系统工程能力。星火·AI云2.0的双OS架构，以及它所支撑的“一底座、两突围”范式，本质上是在为每一座城市打造一个专属的“数据操作系统”——让离散的数据成为流动的智能，让流动的智能转化为可度量的增长。

　　对于记者而言，接下来值得持续追踪的议题包括：各城市在数据开放与隐私保护之间的平衡实践；星火·AI云2.0在更多垂直行业（如工业质检、基层医疗）中的RAG效果评测；以及“AI中国行”能否真正破解中西部城市的数据人才困局。

　　唯一可以确定的是，AI Infra的变革才刚刚开始，而数据层，将是这场变革中最漫长、也最具价值的战场。